基于混合效应模型的曲靖市云南松林地上生物量遥感估测

以曲靖市云南松林为研究对象,基于2016年曲靖市二类调查数据以及同时期Landsat 8 OLI遥感影像,利用随机选取的小班样地提取遥感因子统计值建立数据集,基于不同曲线拟合定量研究曲靖市云南松林生物量估测的光饱和值;并以线性逐步回归模型为基本模型,考虑区域和龄组随机效应建立云南松林生物量遥感估测模型,以期减小生物量遥感估测中光饱和引起的估测误差。结果表明：利用三次模型拟合研究区云南松生物量饱和值为167 t/ha;不同效应水平的混合模型的拟合精度均优于一般逐步回归模型。在独立性样本检验中混合效应模型的预估精度（91.556%）要高于一般逐步回归模型的预估精度（83.826%）;从生物量分段残差检验结果与研究区生物量反演结果上看,混合效应模型相较于一般逐步回归模型有着更大的估测范围,在一定程度上能够解决高值低估和低值高估问题,减小光学遥感影像数据存在数据饱和的影响。     

基于随机森林回归的不同龄组思茅松 人工林生物量遥感估测

以云南省景谷县思茅松人工林为研究对象,以景谷县实测思茅松单木生物量数据建立其单木生物量模型,计算得出90个景谷县思茅松实测样地林分单位面积生物量,采用2005年景谷县TM遥感影像提取9个植被指数作为备选自变量,基于随机森林回归建立总体样本及各龄组样本思茅松单位面积生物量估测模型.以像元为单位,利用估测模型,并采用2005年森林资源二类调查小班数据估算景谷县思茅松人工林的生物量.结果表明:各模型的决定系数(R2)＞ 0.89,均方根误差(RMSE)＜7.00,预估精度(P)＞87.00％;研究区思茅松人工林单位面积生物量为59.0889 t/hm2,其中幼龄林为38.5170 t/hrn2,中龄林为53.6626 t/hm2,近熟林为94.8018t/hm2.     

云南怒江流域森林地上生物量光学遥感估测及饱和点分析

以云南省怒江流域为研究对象,基于2016年森林资源二类调查数据和同时期的Landsat 8 OLI遥感数据,提取小班遥感变量的均值统计值,选择蓄积量–生物量转换模型计算研究区9类优势树种或树种组的小班单位面积森林地上生物量,采用半变异函数的球状模型计算9类优势树种或树种组的光学遥感估测的光饱和值,应用逐步回归模型估测和BP神经网络模型对不同优势树种或树种组的森林地上森林生物量进行估测。结果表明：不同优势树种或树种组森林的森林地上生物量光学遥感估测的光饱和值分别为桦木林139 t/hm²、桤木林181 t/hm²、桉树林70 t/hm²、云南松林182 t/hm²、云冷杉林197 t/hm²、乔木经济林161 t/hm²、其他针叶林182 t/hm²、其他阔叶林147 t/hm²、常绿栎类林141 t/hm²;BP神经网络模型的拟合精度以及检验指标均明显优于多元逐步线性回归模型,其中各树种或树种组的BP神经网络模型的R²比多元逐步线性回归模型的R²高出0.1～0.2;逐步回归模型中其他阔叶林的R²最高,达到0.744;BP神经网络模型中其他阔叶林的R²最高,达0.815,且乔木经济林、常绿栎类林和桤木林的R²均在0.6以上;分段残差分析表明2个模型均存在低值高估和高值低估的情况,尤其在生物量小于150 t/hm²时,BP神经网络模型的估测精度较逐步线性回归有明显提高。     

基于Hyperion数据的香格里拉森林郁闭度遥感估测研究

基于Hyperion高光谱数据,采用2种方法进行波段选取,将选择的波段数据进行特征提取变量,采用偏最小二乘法分别对2种方法选择的特征变量建立香格里拉主要树种郁闭度遥感估测模型,并进行精度检验评价。结果表明：基于实测样地郁闭度差异特征分析选择的Hyperion特征波段建立的模型R²为0.837、估测精度为82.09%,基于遥感影像进行分段主成分分析选择的Hyperion特征波段建立的模型R²为0.764、估测精度为78.4%,基于样地数据郁闭度变化敏感性分析模型优于基于Hyperion影像的分段主成分分析模型;分段主成分分析法所选出的特征波段虽然包含了较多的波段信息,但是很多为连续波段或者波长较近的波段,波段之间的相关性较高,导致建模精度不如预期。     

气候对云南松林分生物量的影响研究

基于云南省森林资源连续清查数据和气象站点数据,以为云南松林为研究对象,利用13种基础模型对林分生物量生长进行拟合,选取最优模型引入气象因子,分析林分生物量与不同气象因子的相关性。结果表明：年平均降水量(MAP)和年平均日照时数(MASD)与云南松林分生物量的相关性不显著;年平均温度(MAT)和年平均生物学温度(BT)与云南松林分生物量存在极显著的负相关关系(P < 0.01);以决定系数(R²)和均方根误差(RMSE)为指标,选出最优模型为Gompertz模型,R²达到了0.461,RMSE为23.184 t/hm²;分别将MAT、WI、BT、HI气象因子引入最优模型后,模型RMSE和绝对平均相对误差(RMA)均有所降低,R²分别达到0.524、0.532、0.520、0.521;预估精度(P)分别达到73.349%、71.792%、72.863%、62.354%。因此引入气象因子将提高云南松林分生物量生长模型的拟合精度。     

我国森林生物量估测方法研究进展

在分析和研究大量国内外有关文献的基础上,介绍了森林生物量估算方法、各种估算方法的综合比较,以及各种估测方法在乔木及灌草层的实际应用,并对我国森林生物量研究中存在的不足进行了探讨,最后展望了我国森林生物量估测方法的发展趋势。     

基于Rapideye影像的林木地上生物量估测

以石台县为研究地,结合Rapideye高分遥感影像和不同森林类型样地林木地上生物量调查数据,采用Pearson双变量相关分析方法筛选模型变量,分别用多元线性回归和随机森林算法建立不同森林类型的遥感地上生物量估测模型,并进行模型估测精度对比分析。结果表明,叶绿素红边模型(CRM)与叶绿素绿波模型(CGM)2个指数与针叶林、阔叶林生物量在0.01水平上的相关性极显著,且在其多元线性回归模型和随机森林模型中两者均被挑选为建模变量。另外,与生物量相关性较强的纹理特征主要集中的红光波段和红边波段,且仅MEAN、VAR、SM3个滤波对生物量估测贡献较大,可作为建模变量。阔叶林、针叶林和针阔混交林3种森林类型的地上生物量模型估测精度均表现为随机森林模型优于多元线性回归模型。随机森林模型生物估测绝对均方误差在12.8760~36.5363之间,相对均方误差在20.20%~45.95%之间;多元线性回归生物量估测绝对均方误差在22.0425~46.4494之间,相对均方误差在34.58%~58.42%之间。     

基于遥感的森林生物量估测样地调查方法的研究动态

科学的样地调查是利用遥感方法进行森林生物量估测的重要前提,也是提高生物量估测精度的基础。通过回顾国内外利用遥感估测森林生物量研究领域中样地调查的方法,并对其进行归纳分析可知,调查方法根据不同的遥感数据源、研究区和调查对象而不同,涉及到样地的个数、样地布设、样地形状及大小、样地调查因子和内容等方面。由此提出了样地调查的建议,以期减少今后利用遥感估测森林生物量的不确定性。     

基于无人机多光谱影像的云南松林蓄积量估测模型

【目的】无人机多光谱遥感影像较可见光影像具有更丰富的光谱信息,在森林蓄积量估测中具有较大潜力。以无人机载多光谱遥感影像为主要数据源,探索森林蓄积量的遥感估测模型,以克服传统地面调查工作量大、耗时长、成本高等弊端。【方法】以滇中地区典型天然云南松Pinus yunnanensis纯林为研究对象,利用无人机多光谱影像提取单波段反射率、各类植被指数、纹理特征等,计算各特征变量的标准地均值;筛选与云南松林蓄积量相关性显著的特征变量,采用多元线性、随机森林、支持向量机建立云南松林蓄积量估测模型,以决定系数(R²)、平均绝对误差(E_MA)、均方根误差(E₍RMS()、平均相对误差(E_MR)评价模型精度。【结果】(1) 3种模型中,随机森林的精度最高(R²=0.89,E_MA=4.69m³·hm^-2, E_RMS=5.45m³·hm^-2, E_MR     

基于PLS算法与遥感影像的区域小麦实际单产估测

为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果,该研究以2010—2013年HJ-1A/1B影像为遥感数据,分析了卫星遥感变量与小麦实际单产的定量关系,运用偏最小二乘回归算法构建及验证了以实际单产为目标的多变量遥感估产模型。研究表明:实际单产与所选用的大多数遥感变量间关系密切,且多数遥感变量两两间具有严重的多重相关关系;实际单产偏最小二乘回归模型的最佳主成分为5,且植被衰减指数、绿色归一化植被指数、调整土壤亮度的植被指数、比值植被指数和归一化植被指数为实际单产遥感估测的敏感变量;建模集和验证集实际单产估测模型的决定系数分别为0.74和0.70,均方根误差分别为754.05、748.20 kg/hm2,相对误差分别为11.5%和8.88%,且估测精度比线性回归算法分别提高20%以上和40%以上,比主成分分析算法分别提高18%以上和30%以上,说明偏最小二乘回归算法模型估测区域实际单产的效果要明显好于线性回归和主成分分析算法,该模型应用结果与小麦实际单产区域分布情况相符合,为提高区域小麦实际单产的遥感估测精度提供了一种途径。     

天然云南松生物量动态研究

【目的】了解天然云南松个体和种群生物量动态变化规律,为培养优质丰产云南松林提供参考。【方法】采用样地编年序列法,并利用生长方程计算不同林龄云南松的个体生物量、种群生物量、地上生物量和地下生物量的变化规律。【结果】个体生物量在26龄前增长缓慢,26龄后增长速度较快;种群生物量在4龄前增加较快,5～7龄增长缓慢,8～9龄直线增长,10～20龄缓慢增加,21龄以后增长较快;在4龄前,地下生物量所占比例较大,并随着林分年龄的增加逐渐降低,最后趋于稳定;4龄后,地上生物量占个体生物量的比例较大,占主导地位。【结论】云南松个体生物量、种群生物量、地上生物量和地下生物量均随林龄增加而增加。种群生物量前期主要受密度影响,后期主要受个体生物量影响;地上生物量与地下生物量分配与云南松生态适应对策有关,在幼苗期生物量优先向地下分配。     

云南松原始林群落结构特征及物种多样性分析

运用植物群落学的调查方法,对云南省永仁县白马河林场的云南松Pinus yunnanensis原始林的群落特征及物种多样性进行了研究。结果表明:云南松原始林以云南松纯林为主,林下层次结构复杂,物种丰富。高位芽植物在云南松原始林内分布最多(46.1%),其后依次为地上芽植物(25.9%),地面芽植物(14.0%),隐芽植物(13.3%)和一年生植物(0.7%)。生活型谱反映了云南松原始林在其生长季节处于温热多湿的环境。云南松林木株数在径级分布上及在不同年龄段上均表现为中间多,两边少,趋向于对称性概率分布,表明了云南松原始林在演替过程中具有较好的稳定性。云南松原始林的Simpson指数、Shannon-Winener指数和Pielou均匀度指数Jsw,Jsi分别是云南松次生林的4.6,3.7,3.9和4.6倍,表明云南松原始林具有更丰富的物种多样性。图2表2参15     

顺昌县马尾松生物量遥感估测

以顺昌县马尾松为研究对象,通过样地选择和样木调查,结合遥感及其相关数学集成技术,引进材积因子,建立马尾松地上部分总的生物量与材积的相关关系模型。在此基础上,运用ERDAS建模功能将生物量模型与马尾松遥感蓄积估测图叠加生成顺昌县马尾松生物量估测图,并根据属性表统计了顺昌县马尾松生物量。     

森林生物量与遥感信息的相关性

利用遥感数据研究森林的生物量,建立遥感信息模型,首先要分析各波段与生物量的相关性.通过建立甘肃省小陇山党川林场中幼林典型样地,并伐树称量,建立模型计算出样地的生物量.对试验区的TM影像进行校正,对应每块样地中心点的GPS测量坐标,获取了样地像元各波段的灰度值,并计算各种植被指数.利用MATLAB软件计算了样地生物量与遥感影像各波段的灰度值、各种植被指数的相关系数.在P<0.05水平上,生物量与TM1、TM2、TM3、TM6成显著的负相关.与归一化植被指数、比值植被指数和绿度成显著的正相关.建立遥感生物量模型应用这些呈显著正、负相关的波段和派生数据.采用逐步回归的方法建立了生物量与植被指数的统计方程,以及生物量与遥感TM影像的各波段灰度值、植被指数的统计方程.但在P<0.05水平上,只有NDVI、RVI两个因子复相关系数不高.     

72年生细叶云南松天然林生长规律研究

采用树干解析的方法对广西国有雅长林场72 年生细叶云南松天然林生长规律进行研究结果表明院72 年生细叶云南松天然林的平均胸径、树高和材积分别为53.40 cm（去皮26.3 m和2.5523 m3胸径在第1~9 年生长 缓慢第10~55 年进入快速生长期连年生长量曲线与平均生长量曲线相交于第54~55 年之后生长明显降低第9~ 34 年为树高生长的快速期连年生长峰值出现在第19 年,连年生长曲线与平均生长曲线相交于第34~35 年之间。材 积的连年生长在第1~11 年增长十分缓慢,材积累积量仅为0.0215 m3仅占总材积生长量的0.84%,第11 年之后材 积的增长迅速增加,第48 年时达到最大值0.0802 m3/年直到第68~69 年材积生长达到数量成熟经拟合的生长模 型有很高的精度其中胸径树高以及材积分别以威布尔模型、理查德模型和威布尔模型最优。     

云南松抚育间伐材物理力学性质的初步研究

对云南松抚育间伐材的物理力学性质进行测试,并与云南松成熟材物理力学性质进行比较,结果是：在人工混交林中抚育间伐材材性较成熟材均有所下降,但其抗弯强度、抗弯弹性模量、顺纹抗压强度３项主要力学性质及冲击韧性、硬度等下降幅度大小,对云南松抚育间伐材可大量利用。     

滇中不同群落结构云南松林的水文作用

研究结果表明,在3类不同群落结构的云南松林中,调节和涵养水分、保持水土的能力均以复层林最好,禾草一云南松林居中,疏林最差;林冠截留率分别为13.4％,9.3％和7.9％;地表枯枝落叶层的最大持水量分别为65.8t/ha,46.6t/ha和6.7t/ha;年平均冲刷量分别为0.015t/ha,0.088t/ha和0.452t/ha,径流深分别为4.32mm,15.59mm和85.57mm;径流系数分别为0.60％,2.16％和11.85％。此外,长期受人为干扰、结构简单的疏林地土壤含水量及表土层中有机质、全N、速效态P、K元素含量都明显地低于其它两类林地。本文最后提出,为了提高森林水文效益,一方面要营造具有多层结构的云南松针阔混交林,另一方面也要注意保护林下地被植物和枯枝落叶。     

云南松林飞火形成机制的研究

以＂3.29＂昆明安宁市森林火灾为研究对象,调查火烧迹地并取样,分析可燃物特征,并对飞火发生的气象和地形进行了分析。结果表明,由于云南松林立地干燥,林内可燃物多,连续性好,地形复杂,小气候明显,易发生飞火;引发飞火的可燃物主要是云南松的球果。     

马尾松天然次生林生物量的结构与分布

对位于重庆铁山坪的46年生马尾松天然次生林的生物量结构与分布特征及生产力的研究结果表明,林分的初级生产力为8.34 t/(hm2.a),生物量为146.08 t/hm2,其中各层次的生物量分配顺序为:乔木层(87.43%)>枯枝落叶层(5.65%)>下木层(5.46%)>草本层(1.46%)。乔木层的生物量为127.72 t/hm2,其中各器官生物量比例的顺序是:树干(72.82%)>树枝(11.19%)>树根(9.27%)>树皮(4.43%)>针叶(2.29%)。在林分的各器官生物量的垂直结构方面,10 m以下树干生物量占其总量的81.13%;树枝的生物量主要集中在12~16 m,占其总量的82.25%;针叶的生物量主要集中在12~18 m,其中1年生针叶占其总量的93.25%;根系生物量主要集中在距地表深40 cm的土层内,占其总量的76.45%。当前,该林分生产力低,群落结构不合理,应对该种类型的森林群落进行林相改造,调整乔木层产量结构,以提高群落的综合效应。     

云南松林飞火形成的火环境研究

 分析了云南省安宁市1971年至2000年的气象资料和基础地形数据,结合2006年“3·29”重大森林火灾典型案例,并调查火烧迹地,得到云南松Pinus yunnanensis林飞火发生的火环境特征。结果表明：①干季的气象条件有利于飞火形成,特别是3月份,气温逐渐上升,平均相对湿度、最小相对湿度都达到最小值,分别为53%和3%;最大平均风速、平均风速、大风日数都达到一年中的最大值,分别为29.0 m·min^－1,16.3 m·min^－1和16.3 d,而降水量不足20 mm,蒸发量高达263 mm;②地形、地势有利于产生飞火,全市相对高差为200~1 000 m的面积占了总面积的60.7%,山高坡陡;③其他因素,云南松林区冬、春季受到西风环流南支急流的控制,又正是云南松及其林下灌丛、草本的休眠期,燃烧性强,可燃物丰富。图5表2参26